夜雨聆风我个人认为，AI目前应该是以AI工具+大模型的方式来使用，学习skill，应首先了解AI工具+大模型。
一，AI 工具的分类
1. 按功能分
对话式 AI：ChatGPT、Claude、Kimi 等
代码生成/补全：GitHub Copilot、Codeium、通义灵码
图像/视频生成：Midjourney、Sora、可灵
AI 搜索/知识库：Perplexity、秘塔
AI 代理（Agent）：能自主执行多步骤任务的工具
2. 按使用入口（交互界面）分
Web 网页：最常见的聊天界面
TUI / CLI：在终端里使用，如 tgpt、aichat，适合极客和脚本化
IDE 插件：深度集成在代码编辑器里，边写代码边辅助
API：供开发者直接调用，集成进自己的应用
桌面/移动 App：独立客户端
二，大模型的分类
“大模型”不是单一维度的概念，目前通常从技术架构、数据模态、开源状态和应用范围这几个维度来划分。
1. 按技术架构分（最底层的区别）
这是决定模型“思考”方式的根本差异，主要针对语言模型：
a，Decoder-only（仅解码器）
最主流。擅长生成连贯文本，如 GPT系列、Claude、Llama、DeepSeek。它们从左到右逐个预测下一个词。
b，Encoder-only（仅编码器）
代表作是 BERT。擅长理解上下文，不擅长生成。现在多作为幕后技术，用于情感分析、搜索引擎、实体识别等任务。
c，Encoder-Decoder（编码器-解码器）
把输入和理解再生成的过程分开，天然适合输入输出长度不同的任务。代表是 T5、BART，以及谷歌早期的翻译模型。目前纯文本模型中使用渐少。
2. 按处理的数据模态分（最常见分类）
指模型能“看懂”和“生成”什么类型的数据：
a，大语言模型 (LLM)
处理纯文本。如 GPT-4 初期版本、Llama 2 等。
b，多模态大模型
能同时处理文本、图像、音频、视频等多种信息，并在它们之间建立关联。
· 图文多模态：GPT-4o、Gemini、Claude 3.5、文心一言等，可识别图并对话。
· 图生文/文生图：Stable Diffusion、Midjourney、DALL-E 3。
· 视频/音频：Sora (视频生成)、Whisper (语音识别)。
c，其他专业模态大模型
如视觉大模型（ViT）、点云大模型、分子结构大模型等。
3. 按开源与闭源分（决定怎么用）
a，闭源商业模型
只提供 API 调用，源码和权重不公开。如 OpenAI 的 GPT-4 系列、Anthropic 的 Claude、Google 的 Gemini。
b，开源模型
公开模型权重，允许下载研究甚至商用。生态极繁荣，如 Meta 的 Llama 系列、阿里通义千问 (Qwen)、DeepSeek、Mistral 等。
4. 按应用范围分
a，通用基础大模型
在海量通用数据上训练，有广泛的知识和推理能力，但不懂特别专业的领域。ChatGPT、文心一言的基础版即是。
b，垂直领域/行业大模型
在基座模型上，用特定数据进一步训练微调。擅长特定任务，成本可控。
·代码模型：CodeLlama、DeepSeek-Coder
·金融模型：BloombergGPT
·医疗模型：Med-PaLM
这几个分类维度通常是交叉的，比如一个模型可以是“开源、多模态、Decoder-only 的通用大模型”。
Tips
公-众-号:FPGA通信小白成长之路
知乎:FPGA通信小白成长
Copyright infringement